深度学习获得图灵奖说明了什么？

      2019年3月27日，ACM 正式宣布将 2018 年图灵奖授予 Yoshua Bengio, Geoffrey Hinton 和 Yann LeCun，表彰他们对于深度学习神经网络的重大突破性贡献。

    至此，深度学习神经网络，正式得到学术官方的认可，并相信神经网络已经成为计算领域的重要组成部分。这对深度学习未来寒冬的质疑画上了句号，去除了对出身“寒冬的”深度学习带来这次AI繁荣之后会再次带来AI寒冬的忧虑。

     当然，深度学习也不是万能的，图灵奖对于深度学习的认可，也同时宣布，后深度学习时代的带来----它的出现将计算机如何对人类进行“算计”贡献，开拓了一个如何使用计算机的新领域，但同时它的局限也必然期待未来新的计算机使用模式的出现，当然未必是颠覆和替代，但必然需要开拓新的使用方式，只有那样，才可能以人工智能的骄傲再次登顶图灵的顶峰。

     深度学习获得图灵大奖，说明了什么？一方面是大量工业信息业对于深度学习大量的实锤应用，是算法，更是大数据和大算力的胜利，但更为重要的，也许是：人类终于决定，开始真正对机器（计算机器）放手了----过去的计算方式，人类将不确定性留给人类，而将确定后的不确定性交给机器处理。因此，人类对于规律的确定性，是总体可控和把握的。而深度学习，真正将人类不能确定的不确定性交给机器--也就是说，创造一种机制，让机器去寻找那些确定性（规律），等机器找到了那些它认为的确定性规律后，再处理不能预先确定的任务。从这个角度上讲，深度学习的方法，赋予了机器拥有自我寻找智能（规律）的权利。而人类的角色，开始从自己寻找确定性规律中部分解脱出来，转而创造能够自己寻找到这些确定规律的机器和机制，也就是开始真正创造可以代替人工的智能。

     也许，这是目前，将人的智能嵌入到机器，能够寻找到的唯一实用办法，而显然，那些确定性规律，那些能够被机器确定的规律（而不是人），必定存在于海量的数据中（大数据），这也是目前深度学习的缺陷：它是数据产生的机器智能，必须依赖于产生它的智能的数据。理论上数据必须足够多，或者必须足够饱和规律的存在。但数据是万能的吗？或者说数据一定能够产生智能吗？或者说，一定存在能够让深度学习识别出规律的数据样本吗？

     但不论如何，智能的机器是人类创造的智能工具，它们的产生是替代人类完成各种繁琐的工作任务的，显然没有万能的工具，但人类创造为人类服务的工具的步伐从来没有停止过。 深度学习作为一种嵌入到机器（计算机）的智能工具，也许不是完美的，但它是证明实用和有效的，可以完美的胜任人类的一些传统的工作任务。而它存在的不完美，也正是推动未来人类创造新的、能够自己识别社会和自然规律的智能机器，而未来他们的出现，正是能够登顶未来图灵大奖的新的自己认识不确定性规律的智能机器。

     在后深度学习时代，他们会是什么呢？